Se connecter

Comment évaluer facilement la visibilité d'un site web dans les résultats de recherche IA ?


Table des matières

TERMES CLÉS :

Visibilité de la recherche IA, Visibilité du moteur de réponses, part de voix dans l'IA


Historiquement, la mesure de la performance d'un site en référencement naturel repose sur les mots-clés et leur position dans les SERP (pages de résultats des moteurs de recherche). Les mots-clés ont des volumes de recherche relativement stables et peuvent donc servir d'indicateur de la demande. 


La même logique peut être directement transposée à la mesure de la visibilité du moteur de réponses via les invites LLM : Le suivi des requêtes individuelles ne permet pas d'obtenir une image représentative et fiable de la part de voix dans l'IA.Les interactions LLM sont de plus en plus complexes et conversationnelles, et les réponses sont influencées par le contexte, la personnalisation, les échanges précédents et le modèle lui-même. Par conséquent, le « volume de recherche » apparent d'une requête individuelle n'est ni stable ni particulièrement pertinent comme unité de mesure.


Une unité plus utile est la entité et sa combinaison contextuelle: Par exemple, "fournisseur de livraison du dernier kilomètre", etc.


Ces entités peuvent être fondées sur une demande de recherche observable via Google Search Console, ce qui donne une indication de leur importance et de leur valeur potentielle. Selon Centre de recherche GoogleTout comme le reste de la page de résultats de recherche, les sites apparaissant dans les fonctionnalités d'IA (telles que les aperçus IA et le mode IA) sont inclus dans le trafic de recherche global de la Search Console. Ils sont notamment pris en compte dans les rapports. Rapport de performance.


Une méthodologie étape par étape

Pour établir cela univers des entités, je commence par les requêtes de longue traîne dans GSC et identifier le sous-ensemble de requêtes qui pourraient être particulièrement pertinentes pour les aperçus de l'IA.

Capture d'écran de l'application d'agrégation de données SEOGets avec le filtre « Mots clés de la queue de logarithme » appliqué.

Capture d'écran de l'application d'agrégation de données SEOGets avec le filtre « Mots clés de longue traîne » appliqué.

Pour ce faire, je, tout d'abord, appliquer des règles basées sur des modèles ou des expressions régulières pour isoler interrogatif et comparative ou évaluation requêtes. De même, celles-ci peuvent contenir des mots comme « Comment ? », « Qui ? », « Pourquoi ? », « Lequel ? », « Quand ? », etc.


Alors, - qualifier manuellement Les cohortes ainsi formées sont classées selon leur pertinence pour l'entreprise. Par exemple, on peut les diviser en 3 classes : 

  1. A — strictement pertinent, y compris lorsqu'il existe une évaluation directe du fournisseur ou une excellente requête comparative, 
  2. B — pertinent, mais pourrait être général ou axé sur la marque, etc.
  3. C — non pertinent, par exemple, ne s'applique qu'à un sous-ensemble d'une proposition ou est totalement non pertinent.

Cela doit produire un ensemble plus restreint de requêtes pertinentes pour AIO et ayant une signification commerciale.


J'ai ensuite procédé à une rétro-ingénierie de ces requêtes (en me limitant d'abord à la classe A) pour obtenir un vocabulaire structuré basé sur les principes que j'ai utilisés tout au long du travail de référencement : prédicat, objet, secteur d'activité, qualificatif commercial, zone géographique et autres modificateurs contextuels significatifsL’objectif est d’éliminer les formulations superflues tout en préservant suffisamment de contexte pour que l’entité résultante puisse constituer une question commerciale pertinente. 


Exemple d'entité résultante : fournisseur de services de messagerie en France pour le commerce électronique, qui obéit à la grammaire suivante : prédicat + qualificateur géographique + secteur d'activité.


Les entités qui en résultent invitent à l'idée d'expansion — au détriment de Entités stratégiques importantes pour une organisation mais qui n'ont pas encore été observées dans le corpus de requêtes AIO actuelL’objectif est de créer un univers de référence qui combine à la fois la demande de recherche avérée et les domaines stratégiques dans lesquels une organisation souhaite accroître sa visibilité.


L'univers d'entités résultant est ensuite converti en un ensemble de questions de référence standardisées et les titulaires d'un LLM sélectionnés sont invités à recommander chaque semaine les marques les plus importantes pour chaque entité. D'ailleurs, si vous utilisez déjà Hubspot (ou Avec l'outil de visibilité de l'IA de Semrush, vous pouvez simplement utiliser chaque entité comme une « invite ».

Capture d'écran de l'outil Hubspot AEO avec les entités utilisées comme invites.

Capture d'écran de l'outil Hubspot AEO avec les entités utilisées comme invites.

Une organisation position, fréquence d'apparition, part des mentions et part des citations/sources liées peuvent ensuite être enregistrées et agrégées en un Part de voix (SoV) ou visibilité de la marque en IA L'indicateur SoV hebdomadaire qui en résulte est utile comme mesure autonome de la visibilité concurrentielle des assistants IA. 


Il peut également être combiné avec l'existant Mesures d'impression/de visibilité pour les requêtes interrogatives et comparatives dans les aperçus de l'IA de Google, offrant une vision plus large sur les deux Visibilité de la vue d'ensemble de l'IA (AIO) et Optimisation des moteurs de réponse / Visibilité des assistants IA (AEO).

Capture d'écran de l'application d'agrégation de données SEOGets avec le filtre « Requêtes comparatives » affichant une comparaison avec la période précédente.

Capture d'écran de l'application d'agrégation de données SEOGets avec le filtre « Requêtes comparatives » affichant une comparaison avec la période précédente.


Améliorations potentielles de la méthodologie

Une amélioration future potentielle consiste à estimer Volume cumulatif de recherches/impressions associé à chaque entitéCela permettrait de pondérer la part de voix en fonction de l'importance démontrée de l'entité — par exemple, en accordant plus d'importance à une entité très demandée qu'à une combinaison de recherche très ciblée — et ferait ainsi évoluer la métrique, passant d'une simple part de présence à une approche plus globale. Part de voix pondérée par l'IA.

À propos de Bohdan Lytvyn

MBA · 17 ans d'expérience en SEO et croissance · Ancien responsable SEO senior chez Alibaba

Bohdan Lytvyn

« CROISSANCE SANS GASPILLAGE » AUTEUR DE LIVRES



Expérience internationale sur les places de marché B2B, les solutions SaaS, le commerce électronique et les entreprises axées sur le numérique, sur les marchés européens et internationaux.